新的双曲框架增强了多模态情感和情绪分析

研究人员推出了一种新颖的双曲超图框架 Emotion Collider (EC-Net)，用于多模态情感和情绪分析。该系统利用 Poincaré 球嵌入来建模模态层次结构，并采用超图机制进行双向消息传递。EC-Net 在双曲空间中结合了对比学习，并采用解耦的径向和角向目标来增强类别分离，通过自适应超边构建来保留高阶语义关系。在标准基准测试上的实验表明，EC-Net 在生成鲁棒且准确的表示方面非常有效，尤其是在模态数据嘈杂或不完整的情况下。 AI

影响 引入了一种新颖的几何方法，可实现更鲁棒的多模态情感识别，有潜力改善人机交互。

排序理由 详细介绍新模型和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• EC-Net
• Emotion Collider
• Gotit.pub
• Hugging Face
• Poincaré disk model
• Rong Fu
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →